我有大量的患者遭遇数据(约600万)。每位患者可在多年内每年进行多次输入。我希望能够根据年份安排患者,然后对他们进行编号,以便我可以为每位患者过滤掉一年以上的所有患者,这样我就可以在特定的健康计划中查看每位患者的第一年。
我能够对每个患者的第一个条目进行排名和过滤,但我认为我必须根据使用%in%在新数据框中生成的两个列创建新的df和子集原始数据框。这是我遇到麻烦的地方。
虽然我经常使用堆栈溢出来查找我的问题的解决方案,但如果我没有正确地执行它,我通常不会发布这样的情况。
enrolid<- c(223801,223801, 223801, 223801, 223801, 223803, 223803, 223804)
year<- c(2008, 2008, 2009, 2010, 2011, 2008, 2011, 2008)
service<- c( "CT", "Colonoscopy", "labs", "office_visit", "med", "office_vist", "hospitalization", "CT")
#But for 6 million enounters. I want to me extract the enrolid and first #year for each individual in my data set.
df1<-data.frame(enrolid, year, service)
df2<- df1 %>%
group_by(enrolid) %>%
filter(rank(year, ties.method="first")==1) %>%
mutate(enrollment_year_num = 1) %>%
select(enrolid, year)`
df1 %>%
filter_all(any_vars(. %in% df2)) #tried with df2$enrolid & df2year
Thnaks!
您可以使用filter语句一步完成所有操作(确保year
是一个数值变量,以便它可以工作)。
df1 %>%
group_by(enrolid) %>%
filter(year == min(year))
也可以使用slice
:
df1 %>% group_by(enrolid) %>% slice(which.min(year))